<![CDATA[Di era digital, media sosial menjadi wadah utama bagi masyarakat untuk menyampaikan opini mereka terhadap berbagai isu, termasuk Pemilihan Presiden 2024 di Indonesia. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap pasangan calon "Prabowo-Gibran" berdasarkan 944 tweet yang dikumpulkan selama periode Maret hingga Mei 2024. Metode klasifikasi sentimen yang digunakan dalam penelitian ini adalah K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM), dengan tujuan untuk membandingkan tingkat akurasi kedua algoritma tersebut dalam mengklasifikasikan sentimen publik. Dataset yang digunakan dibagi menjadi dua bagian, yaitu 80% untuk pelatihan dan 20% untuk pengujian. Model KNN diterapkan dengan jumlah tetangga terdekat sebanyak lima (k=5) menggunakan KNeighborsClassifier(n_neighbors=5), sedangkan model SVM menggunakan kernel linear untuk memisahkan data sentimen. Proses analisis dilakukan menggunakan Python dan Google Colab, mencakup tahapan seperti pelabelan data, preprocessing teks, dan ekstraksi fitur. Evaluasi model dilakukan menggunakan Confusion Matrix, yang mengukur akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki tingkat akurasi sebesar 52%, sedangkan KNN hanya mencapai akurasi 51% berdasarkan 189 sampel data uji. Temuan ini mengindikasikan bahwa SVM lebih efektif dibandingkan KNN dalam mengklasifikasikan sentimen publik terkait Pemilihan Presiden 2024 di Indonesia. Meskipun demikian, akurasi yang diperoleh masih tergolong rendah, sehingga penelitian lebih lanjut diperlukan untuk meningkatkan performa model, misalnya dengan optimasi parameter, peningkatan kualitas dataset, atau penerapan teknik machine learning yang lebih canggih.]]>
Copyrights © 2025
